Irene Pérez Llorente Junio 2008 - Centro de Estudios Hidrográficos ...
Irene Pérez Llorente Junio 2008 - Centro de Estudios Hidrográficos ...
Irene Pérez Llorente Junio 2008 - Centro de Estudios Hidrográficos ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
<strong>de</strong>ducir patrones <strong>de</strong> evolución temporal a partir <strong>de</strong> los cambios <strong>de</strong> clase que sufren los<br />
píxeles.<br />
Tal y como <strong>de</strong>muestran los resultados <strong>de</strong> la clasificación no supervisada, la mayor<br />
parte <strong>de</strong> la variabilidad <strong>de</strong> la imagen se concentra en el mar, cuyo estudio no está <strong>de</strong>ntro<br />
<strong>de</strong> los objetivos <strong>de</strong>l proyecto. Por esta razón sería conveniente extraerla <strong>de</strong>l análisis<br />
estadístico que llevan a cabo los clasificadores creando una máscara <strong>de</strong> bits para esta<br />
zona.<br />
La clasificación <strong>de</strong>l conjunto <strong>de</strong> imágenes a través <strong>de</strong>l archivo multitemporal, que<br />
agrupa los píxeles en base al tipo <strong>de</strong> cubierta y evolución que sufre, permite obtener<br />
resultados más exactos. Sin embargo, la gran selectividad <strong>de</strong>l Clasificador Angular<br />
Temporal hace necesaria la <strong>de</strong>finición <strong>de</strong> un elevado número <strong>de</strong> clases para po<strong>de</strong>r<br />
representar todas las evoluciones temporales que muestran las distintas cubiertas<br />
<strong>de</strong>jando, a pesar <strong>de</strong> ello, una elevada proporción <strong>de</strong> píxeles sin clasificar. La postclasificación<br />
implicaría agrupar las clases que representan la misma superficie y<br />
<strong>de</strong>terminar los posibles cambios que se producen en ella, pero requeriría información<br />
auxiliar <strong>de</strong>l terreno que justificase las <strong>de</strong>cisiones <strong>de</strong> agrupación.<br />
Los resultados probablemente mejorarían <strong>de</strong>finiendo los patrones temporales a partir<br />
<strong>de</strong> los valores medios <strong>de</strong> las Regiones <strong>de</strong> Interés creadas sobre las distintas cubiertas.<br />
El método más óptimo para i<strong>de</strong>ntificar las distintas cubiertas es por tanto, la<br />
clasificación <strong>de</strong>l archivo multitemporal por técnicas <strong>de</strong> mínima distancia utilizando la<br />
información <strong>de</strong>l mapa geomorfológico para <strong>de</strong>finir las ROIs e i<strong>de</strong>ntificar posteriormente<br />
las cubiertas. A pesar <strong>de</strong> que las estadísticas muestran que los patrones <strong>de</strong> evolución <strong>de</strong><br />
las clases son un tanto aleatorios, su distribución se ajusta en gran medida a la <strong>de</strong> las<br />
formas geomorfológicas, poniendo <strong>de</strong> relieve la influencia <strong>de</strong>l sustrato en el aspecto y<br />
evolución que presenta la nieve.<br />
Sin embargo, para <strong>de</strong>scribir <strong>de</strong> forma apropiada las características <strong>de</strong>l hielo o <strong>de</strong> la<br />
superficie que representa cada clase sería conveniente disponer <strong>de</strong> datos <strong>de</strong> campo<br />
tomados sobre diferentes regiones <strong>de</strong> la Península acerca <strong>de</strong> la edad, <strong>de</strong>nsidad, espesor y<br />
composición química <strong>de</strong>l hielo, los cuales podrían integrarse en un SIG y superponerse<br />
a los resultados <strong>de</strong> la clasificación para contrastar ambos tipos <strong>de</strong> información.<br />
116